Penilaian Kinerja ASN Didominasi Nilai Baik, Pakar Soroti Ancaman Bias Kemurahan Hati

Karakter "Pagi Nunggu Sore" itu sudah jadi semacam legenda urban di dunia birokrasi kita. Ia mewakili citra muram pegawai yang sekadar datang, duduk, lalu pulang, dengan pelayanan yang seringkali bikin kita menghela napas. Tapi, jangan salah. Di balik stereotip itu, sebenarnya banyak juga ASN yang bekerja keras dan menjadi tulang punggung organisasi. Ironisnya, kedua kenyataan yang bertolak belakang ini kerap berakhir sama: rapor kinerja mereka di atas kertas sama-sama bertuliskan "Baik".

Nah, kalau semua dinilai baik, apa artinya? Tentu saja, itu bukan jaminan pelayanan publik jadi optimal. Justru sebaliknya, kondisi semacam ini malah bisa menciptakan ketidakadilan di dalam tubuh organisasi sendiri. Padahal, pemerintah sedang getol-getolnya mendorong reformasi birokrasi yang kolaboratif dan berintegritas. Fenomena ini harusnya jadi alarm peringatan.

Rapor Semu yang Menyesatkan

Data BKN tahun 2023 menunjukkan lebih dari 94% ASN dapat nilai "Baik", dan sekitar 5% lagi "Sangat Baik". Sekilas, angka ini terlihat gemilang. Tapi coba kita renungkan sejenak. Dominasi nilai yang begitu tinggi justru mengindikasikan sesuatu yang tidak beres dalam proses evaluasinya. Ada yang janggal.

Seperti yang diungkap Tarigan dan kawan-kawan dalam penelitian tahun 2025, penilaian kinerja di sektor publik Indonesia masih sangat rentan bias dan dipengaruhi dinamika internal yang ruwet.

Masalah utamanya sering disebut leniency bias atau bias kemurahan hati. Daripada repot, banyak pejabat penilai memilih jalan aman: memberi nilai "Baik" secara merata. Motifnya beragam, bisa karena takut dianggap kejam, enggan berkonflik, atau sekadar menghindari keribetan. Akibatnya, sistem penilaian jadi kehilangan gigi.

Dampaknya? Cukup parah. Pegawai-pegawai yang sebenarnya kompeten dan berdedikasi lama-lama bisa kehilangan semangat. Kenapa harus berusaha lebih keras, kalau hasilnya sama saja dengan mereka yang sekadar lewat? Di sisi lain, organisasi pun jadi kesulitan memetakan talenta yang benar-benar potensial. Semuanya terlihat sama, padahal sebenarnya tidak.

Mencari Reset untuk Sistem yang Lebih Adil